Ce livre est lié à l'application de l'apprentissage profond dans le domaine de l'agriculture. En effet, des recherches ont été menées pour prédire la germination des graines de tomates à partir d'images avec l'apprentissage profond dans des conditions de croissance appropriées. Cette tâche était une tâche de classification qui était délicate car les classes étaient déséquilibrées. Pour évaluer les modèles, le score macro f1 a été utilisé.Dans l'analyse, un modèle de base a été utilisé, composé de trois couches convolutives, puis de la couche de classification après une opération d'aplatissement.Certains modèles pré-entraînés utiles, tels que VGG-19 et ResNet-50, ont également été utilisés afin de tirer parti de la nouvelle tâche.Même si la classification était très difficile, les techniques ci-dessus ont permis d'obtenir un résultat de 0,52, ce qui est supérieur aux capacités de devinettes des humains.